第二章：Python量化基础

说实话，很多人一听到「量化」两个字，就觉得门槛很高。其实没那么玄乎。Python在量化领域的地位，就像Excel在财务领域的地位一样——不是因为它最强，而是因为它最顺手。

我刚开始做量化的时候，用的还是Matlab。后来转Python，说实话一开始挺不习惯的。但用了一个月之后，我就回不去了。为什么？因为Python的生态太完整了。你要拿数据，有；你要算指标，有；你要画图，也有。一条龙服务，省心。

Python在量化中的具体应用

Python在量化交易里到底能干什么？我简单列几个场景：

• 数据获取：从交易所、财经网站拉取行情数据
• 策略回测：用历史数据验证你的交易想法
• 风险计算：算VaR、最大回撤、夏普比率这些指标
• 自动化交易：对接券商API，实现程序化下单
• 监控告警：实时盯盘，触发条件自动提醒

说白了，只要你能想到的交易环节，Python基本都能插一脚。我个人习惯把量化系统分成三层：数据层、策略层、执行层。Python在每一层都有对应的库。

NumPy与Pandas基础

这两个库，是Python量化的基石。我见过不少新手一上来就学机器学习、深度学习，结果连DataFrame都不会用。嗯，这路子走偏了。

NumPy：数值计算的发动机

NumPy的核心是ndarray，也就是多维数组。为什么不用Python自带的列表？因为慢。我在项目中遇到过一个问题：用列表计算100万条数据的移动平均，跑了快两分钟。换成NumPy，不到一秒。

import numpy as np

# 创建数组
prices = np.array([100.5, 101.2, 102.8, 103.1, 102.5])

# 向量化运算——不用写循环
returns = np.diff(prices) / prices[:-1]
print(returns)
# 输出: [0.00697 0.01581 0.00292 -0.00582]

# 常用统计函数
mean_price = np.mean(prices)
std_price = np.std(prices)
max_price = np.max(prices)

你想想看，如果不用NumPy，你得写个for循环，一行一行算。代码又长又慢。NumPy的向量化操作，说白了就是把循环藏在了C语言层面，速度自然快。

Pandas：数据分析的瑞士军刀

Pandas建立在NumPy之上，但它更贴近实际使用场景。它的核心是两个数据结构：Series（一维）和DataFrame（二维）。

我个人觉得，Pandas最牛的地方是处理时间序列数据。金融数据本质上就是带时间戳的序列，Pandas在这方面简直是量身定做。

import pandas as pd

# 创建时间序列数据
dates = pd.date_range('2024-01-01', periods=5, freq='D')
data = pd.DataFrame({
    'open': [100, 102, 101, 103, 105],
    'high': [103, 105, 104, 106, 108],
    'low': [99, 101, 100, 102, 104],
    'close': [102, 101, 103, 105, 107],
    'volume': [10000, 12000, 11000, 13000, 15000]
}, index=dates)

# 查看前几行
print(data.head())

# 计算5日移动平均
data['ma5'] = data['close'].rolling(window=5).mean()

# 筛选条件
high_volume = data[data['volume'] > 12000]

数据获取与清洗

做量化的人都知道一句话：垃圾进，垃圾出。数据质量直接决定策略效果。我见过有人用有问题的数据回测，跑出来收益率高得离谱，结果实盘亏得一塌糊涂。

数据获取渠道

数据源	特点	适用场景
Tushare	国内股票数据全，免费额度有限	A股分析
AKShare	开源免费，数据源广	多品种研究
Yahoo Finance	国际数据，接口稳定	美股/港股
交易所API	实时数据，延迟低	实盘交易

数据清洗的常见问题

拿到原始数据后，你会发现各种问题。我总结了几类最常见的：

• 缺失值：某天停牌，数据是NaN
• 异常值：价格突然跳变，可能是数据错误
• 重复数据：同一时间戳出现多条记录
• 时间不同步：不同数据源的时间戳格式不一致

# 数据清洗示例
import pandas as pd

# 读取数据
df = pd.read_csv('stock_data.csv', parse_dates=['date'])
df.set_index('date', inplace=True)

# 处理缺失值——向前填充
df.fillna(method='ffill', inplace=True)

# 检测异常值——用3倍标准差法
mean = df['close'].mean()
std = df['close'].std()
df = df[(df['close'] > mean - 3*std) & (df['close'] < mean + 3*std)]

# 去重
df.drop_duplicates(inplace=True)

金融数据可视化

数据可视化不是为了好看，是为了发现问题。一张好的图表，能让你一眼看出数据中的模式、异常和趋势。

Python里做可视化，最常用的是Matplotlib和Seaborn。不过对于金融数据，我推荐用mplfinance，它是专门为K线图设计的。

import matplotlib.pyplot as plt
import mplfinance as mpf

# 准备数据——需要包含OHLCV
data = pd.DataFrame({
    'Open': [100, 102, 101, 103, 105],
    'High': [103, 105, 104, 106, 108],
    'Low': [99, 101, 100, 102, 104],
    'Close': [102, 101, 103, 105, 107],
    'Volume': [10000, 12000, 11000, 13000, 15000]
}, index=pd.date_range('2024-01-01', periods=5, freq='D'))

# 画K线图
mpf.plot(data, type='candle', volume=True, style='charles')

除了K线图，还有几种图在量化中很常用：

• 折线图：看价格趋势、净值曲线
• 散点图：看两个变量之间的关系，比如收益和波动
• 热力图：看相关性矩阵，选股时很有用
• 分布图：看收益率分布，判断是否正态

本章知识体系

下面这张图，是我对本章内容的一个梳理。你可以把它当作一个地图，知道每个知识点在量化系统中的位置。

这张图把本章的内容串起来了。你可以看到，Python应用是顶层，下面分出了四个方向。每个方向都有对应的工具和方法。我个人建议的学习路径是：先掌握NumPy和Pandas，然后学数据获取和清洗，最后才是可视化。这个顺序符合「数据→处理→展示」的自然流程。

好了，这一章的内容就到这里。记住一句话：量化交易的核心不是代码，而是你对市场的理解。Python只是帮你把想法变成现实的工具。工具用得顺手，想法才能跑得快。

---